基于弹性束图匹配的人脸识别
主要內(nèi)容
1、EBGM的提出 2、彈性圖匹配 3、彈性束圖匹配4、相似度量及搜索策略
5、算法的效率及改進(jìn)
?
EBGM的提出
什么是EBGM:EBGM(Elastic Bunch Graph Matching)彈性圖束匹配。
? ? ? ?1997年，wiskott等使用二維結(jié)構(gòu)的Gabor小波對(duì)人臉圖像進(jìn)行處理，將人臉表達(dá)成由若干個(gè)特征點(diǎn)構(gòu)成的，具有一定拓?fù)浣Y(jié)構(gòu)信息的人臉彈性圖。彈性圖束匹配是現(xiàn)有人臉識(shí)別算法中較有影響的一種。彈性圖束匹配算法是從彈性圖匹配算法發(fā)展而來的。它將人臉用格狀的稀疏圖表示，圖中的節(jié)點(diǎn)用圖像位置的Gabor小波分解得到的特征向量標(biāo)記，圖的邊用鏈接節(jié)點(diǎn)的距離向量標(biāo)記。
彈性圖匹配算法
? ? ? ?彈性圖匹配算法采用標(biāo)號(hào)圖來表示人臉圖像，標(biāo)號(hào)圖的節(jié)點(diǎn)用一組描述人臉局部特征的二維Gabor小波變換系數(shù)來表示；標(biāo)號(hào)圖的邊用描述相鄰兩個(gè)節(jié)點(diǎn)向?qū)?yīng)位置的度量信息來表示。通過不同的人臉圖像的標(biāo)號(hào)圖之間的匹配來實(shí)現(xiàn)人臉對(duì)應(yīng)部位的局部特征之間聯(lián)系，從而能夠?qū)θ四槇D像解進(jìn)行比較和分類識(shí)別。進(jìn)而對(duì)圖中的每個(gè)節(jié)點(diǎn)位置進(jìn)行最佳匹配。
Jets的定義
Gabor小波是以任意一個(gè)高斯函數(shù)作為窗函數(shù)的波函數(shù)。一個(gè)圖像像素與不同方向和頻率的Gabor核卷積后的系數(shù)集合稱為一個(gè)Jet。
一個(gè)Jet描述了圖像I (x)給定像素x=(x, y)周圍的一小塊灰度值，基于小波變換，定義如下卷積：
Jets的定義：在彈性圖匹配算法中，人臉上的特征點(diǎn)采用Gabor 濾波器進(jìn)行特征抽取。Gabor 核函數(shù)為：
?
其中波矢量為：
??其中頻率系數(shù)ν=0,..,4；方向系數(shù)μ=0,..,7,這樣形成40 個(gè)相關(guān)系數(shù)來描述灰度圖像中x點(diǎn)附近鄰域的特征。
為什么用Gabor 小波？
? ? ? ?Gabor小波變換核函數(shù)具有與人類大腦皮層簡(jiǎn)單細(xì)胞的二維反射區(qū)相同的特性，即能夠捕捉到對(duì)應(yīng)于空間頻率（尺度）、空間位置及方向選擇性的局部結(jié)構(gòu)信息，被廣泛地應(yīng)用于圖像分析和理解。Gabor 小波的特性使得其對(duì)于亮度和人臉表情的變化不敏感，這對(duì)應(yīng)人臉識(shí)別極為有利。
Jets的定義：一個(gè)Jet定義為由從每個(gè)像素點(diǎn)獲得的40個(gè)復(fù)系數(shù)組成的集合{Jj}:
?
??式中，?為復(fù)系數(shù)的幅值，? 為復(fù)系數(shù)的相位。 兩個(gè)Jets之間的相似性可以定義為：
標(biāo)號(hào)圖的邊
標(biāo)號(hào)圖的邊包含節(jié)點(diǎn)的相對(duì)位置信息，對(duì)于相鄰節(jié)點(diǎn)xi和xj之間的邊可以用歐氏距離向量來表示：
?
待識(shí)別人臉圖像的標(biāo)號(hào)圖GI和已訓(xùn)練人臉圖像 的標(biāo)號(hào)圖GlM的對(duì)應(yīng)邊的一個(gè)二次函數(shù)進(jìn)行比較：
??
最后有一個(gè)代價(jià)函數(shù)（結(jié)點(diǎn)相似性和邊相似性的相結(jié)合）來匹配。
彈性圖束較彈性圖的改進(jìn)
? ? ? ? ? 提出了一種針對(duì)人臉形狀的標(biāo)號(hào)圖，標(biāo)號(hào)圖的節(jié)點(diǎn)位于人臉圖像上對(duì)識(shí)別有意義的位置上；提出了人臉束圖的概念。人臉束圖是由一批具有代表性的人臉標(biāo)號(hào)圖復(fù)合而成的，其每一個(gè)節(jié)點(diǎn)儲(chǔ)存了人臉標(biāo)號(hào)圖的對(duì)應(yīng)節(jié)點(diǎn)的Gabor小波變換系數(shù)的集合，
?? ? ? ? ?其每一條邊為多個(gè)人臉標(biāo)號(hào)圖的對(duì)應(yīng)邊的平均。通過人臉束圖，待識(shí)別人臉圖像的標(biāo)號(hào)圖GI與已訓(xùn)練人臉圖像的標(biāo)號(hào)圖GlM?之間的匹配，可以通過分別于人臉束 圖的匹配進(jìn)行，這樣，對(duì)于每一幅待識(shí)別人臉圖像來說，只需要和人臉束圖匹配一次；將小波系數(shù)的相位信息用于標(biāo)號(hào)圖節(jié)點(diǎn)的定位。
人臉圖表示
?
? ? ? ? ?如上圖(右)所示，其中圖的一個(gè)節(jié)點(diǎn)xn，代表一個(gè)特征點(diǎn)處的Gabor變換系數(shù)向量集合.例如，一個(gè)眼睛節(jié)點(diǎn)是通過計(jì)算眼睛處的Gabor變換向量系數(shù)集合組成.圖的邊△xe是特征點(diǎn)xn和另一個(gè)特征點(diǎn)xn之間的空間幾何距離(△xe=xn-xn‘)可以根據(jù)實(shí)際統(tǒng)計(jì)數(shù)據(jù)得到。
?
人臉圖束表示
? ? ? ?將一批具有代表性的人臉標(biāo)號(hào)圖結(jié)合成個(gè)復(fù)合的人臉標(biāo)號(hào)圖，標(biāo)號(hào)圖的每一個(gè)節(jié)點(diǎn)包含多個(gè)表示多種類型人臉局部特征的Jet，這樣的一組特征稱為一個(gè)特征束。例如一個(gè)眼睛束中包含了對(duì)應(yīng)于男性眼睛、女性眼睛、閉眼、戴眼鏡以及各種形狀的眼鏡等一組Jet特征。
Jets之間比較
對(duì)于任兩個(gè)J和J’進(jìn)行比較，一種方法是只考慮基于幅值的相似函數(shù)，可通過比較兩個(gè)Jet的內(nèi)積。相似性函數(shù)定義為:
??
另一種方法是基于角度的相似度量，定義如下：
?
?
?
相似度量SB
要在FBG中找出與測(cè)試圖像的圖最相似的一個(gè)人臉描述圖，可用下面的度量SB(GI,B) ：??
?
?
?? ? ? ?第二項(xiàng)用于描述GI與B對(duì)應(yīng)邊的相似度量，圖的邊xe由兩節(jié)點(diǎn)間的空間位置決定，即Δxe = xn ? xn'，e =1,..., E；λ用于決定局部特征點(diǎn)相似度的空間位置相似度兩者的重要性，即調(diào)節(jié)兩項(xiàng)的權(quán)重，通過實(shí)驗(yàn)的方法來確定。
搜索步驟
Step1：對(duì)每個(gè)特征點(diǎn)，從已知的FBG中位置信息定位每個(gè)特征點(diǎn)的粗略位置（xn,yn）。
Step2： 在已標(biāo)準(zhǔn)化的人臉圖像中計(jì)算出（xn,yn）處的Gabor變換向量系數(shù)J n 。
Step3.：將J n與FBG中的該特征點(diǎn)的JmB? (m為聚集特征點(diǎn)束的數(shù)量)比較，其中相似度最高的為候選者 J n ' ，計(jì)算其位置誤差d n = J n '? J n（即兩者的空間距離），則特征點(diǎn) ? ? ? ? ? ? ? ?的精確位置修正為（xn‘,yn’）= （xn,yn） + dn 。
Step4：反復(fù)Step1至Step3，可得到一幅人臉圖像上個(gè)特征點(diǎn)的精確位置（xn‘,yn’），對(duì)應(yīng)這些點(diǎn)求出其Gabor系數(shù)；這樣一幅人臉圖形FBG就可用n個(gè)特征點(diǎn)的Gabor系數(shù)來表 ? ? ? ? ? ? ? 示人臉圖像。
算法的改進(jìn)
1、只定位少量特征點(diǎn)。例如只定位兩眼和嘴中心，在此基礎(chǔ)上生成一張網(wǎng)格，抽取網(wǎng)格點(diǎn)的Gabor 特征表征人臉。
2、對(duì)特征點(diǎn)增加權(quán)重，對(duì)比較重要的特征點(diǎn)增加大的權(quán)重。
3、KL變換應(yīng)用于小波變換，來生成二維網(wǎng)格中節(jié)點(diǎn)的矢量串，以減少其維數(shù)。
4、應(yīng)用其他算法對(duì)Gabor小波長(zhǎng)度進(jìn)行優(yōu)化來提高算法效率。
5、可以對(duì)人臉的一半進(jìn)行識(shí)別，形成半張臉的彈性圖，可以減少一半的計(jì)算量（自己的想法）。
? ?
?
總結(jié)
以上是生活随笔為你收集整理的基于弹性束图匹配的人脸识别的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 立体匹配之NCC算法
- 下一篇： 什么是ORB